8/9/04
13:43
Pgina 165
Resumen
Este artculo ofrece un sucinto panorama de la simulacin social, presentndola como un
medio para modelar los procesos sociales y como un instrumento para la investigacin
social. En la introduccin, se definen conceptos clave como modelo, modelo matemtico,
simulacin social e inteligencia artificial social. En la segunda parte, se muestra la extensa
variedad de modelos de inteligencia artificial social y sus aplicaciones, tanto a partir de la
simulacin clsica como en sus nuevas manifestaciones. Finalmente, se brindan algunas
reflexiones de carcter ms metodolgico sobre la simulacin social.
Palabras clave: modelo, modelo matemtico, inteligencia artificial, sistema experto, nueva
inteligencia artificial, simulacin social.
Abstract. Social simulation: a new way to do research in social science?
This papers offers a brief review of the social simulation, which can he considered a way to
model social processes, and also as an instrument for sociological research. First of all, key
concepts such that model, mathematical model, social simulation and social artificial intelligence are defined. Secondly, a variety of models of social artificial intelligence and its
applications are displayed. Finally, there are some methodological consideration about
social simulation.
Key words: Model, mathematical model, artificial intelligence, expert sistem, new artificial intelligence, social simulation.
Sumario
Introduccin: modelos, modelos
matemticos en sociologa, simulacin
social e inteligencia artificial
1. Los modelos matemticos
y los de simulacin
Papers 72 001-260
8/9/04
13:43
Pgina 166
Carlos Lozares
Mundo social
(de los fenmenos o de las teoras sociales)
Grfico 1.
Matemticas
(lgebra, estadstica)
Modelo matemtico
Papers 72 001-260
8/9/04
13:43
Pgina 167
Modelo
Lenguaje matemtico
A
Teora sociolgica
B
Informacin emprica o datos
Grfico 2.
1975): un modelo matemtico ms formal versara hacia la cara A del tetraedro y uno ms metodolgico, hacia la cara B.
Los modelos matemticos usados en sociologa, como en las ciencias sociales, tienen diferentes funciones, objetivos, lenguajes y temticas, de ah su diversidad. Los roles del modelo van desde formalizar matemticamente teoras
sociales fundamentadas axiomticamente, como ha sido el ideal de muchos
socilogos matemticos, hasta trabajar con modelos metodolgicos ms aptos
para su validacin. Los modelos pueden ser exploratorios o heursticos que
posibilitan la generacin conceptual y tipolgica o una mayor precisin del
mismo modelo; descriptivos; predictivos que proveen datos proyectados en
estados no observados y/o futuros del sistema; explicativos que permiten la
elucidacin de los mecanismos y procesos esenciales de los fenmenos sociales. Segn el lenguaje matemtico usado se puede tratar de modelos estocsticos o deterministas, de ecuaciones lineales, logsticas, estadsticos, matriciales y grafos, reticulares, etc. A su vez, se pueden modelar diferentes contenidos
o procesos: la emergencia, caos y catstrofes, la estructura social, la movilidad
y los cambios, la difusin y causalidad, etc. (Seror, 1994; Gross y Strand, 2000).
En consecuencia, conviene tener clara la distincin entre modelo en s o genrico y su especificacin en un lenguaje concreto que determinar no slo su
forma, sino tambin la lgica de su funcionamiento, por ejemplo, un conjunto
de ecuaciones matemticas o un programa de ordenador son especificaciones
(Doran y Gilbert, 1994).
En las ltimas dcadas se ha mostrado que muchos de los problemas (demostrar teoremas, reconocer pautas de comportamiento, tratar situaciones complejas, operar con la probabilidad, etc.) que solamente eran tratables y resueltos
por las capacidades humanas como las de pensar, razonar, memorizar, aprender, observar, percibir, modelar matemticamente la realidad etc., tambin han
sido tratados y resueltos por las mquinas o artefactos y, concretamente, por
ordenadores. La inteligencia artificial (IA) puede definirse como un sistema
computacional con capacidades y/o caractersticas que producen resultados
Papers 72 001-260
8/9/04
13:43
Pgina 168
Carlos Lozares
Papers 72 001-260
8/9/04
13:43
Pgina 169
Realidad social
Vnculo
de representacin
Modelo genrico
Realizacin de la observacin
Vnculo
de representacin
Teora
Vnculo de homologa/isomorfismo
Modelo de simulacin: lectura e instrumentos
de computacin (programa, algoritmos)
Animacin de la simulacin
Resultado de la observacin
Resultado de la simulacin
Procedimiento de evaluacin
Grfico 3.
pautas adaptndose a las contingencias del entorno, pero puede ser tambin
un sistema terico social. El modelo genrico es una representacin, una imagen o una definicin general y/o abstracta del sistema social, tal y como se ha
definido precedentemente. El lazo o vnculo de esta representacin es una funcin de analoga, semejanza, aplicacin u homologa o, quizs, hasta de isomorfismo que proyecta los elementos, las propiedades y las relaciones del sistema social en el modelo. El modelo de simulacin computacional es la
expresin del modelo genrico en el lenguaje de ordenador, el lenguaje puede
ser numrico o simblico. Lo que parece claro es que debe darse un grado de
homologa o equivalencia entre el modelo de simulacin especfico y el genrico. La simulacin consiste, pues, en el hecho de la animacin o ejecucin de
un programa (de simulacin) de ordenador en vistas a la produccin de resultados en un mundo social artificial segn la lgica del modelo que representa
el programa. Los datos que se simulan provienen de datos observados o de
datos aleatorios o, incluso, de datos simulados (Doran y Gilbert, 1994).
Los datos observados se obtienen en y del mundo real por procedimientos de recogida de datos. La evaluacin o comparacin entre datos esperados de
la simulacin y los observados se lleva a cabo por una metodologa adecuada.
Los modelos de simulacin social, como cualquier modelo, poseen grados de
agregacin, esto es, pueden referirse a la totalidad del objeto estudiado o a una
de sus partes, a veces gran parte de su importancia radica en ello.
Los modelos matemticos tienen ventajas indudables sobre los modelos
verbales y/o del lenguaje natural: mayor precisin y claridad conceptual y de los
supuestos, mayor posibilidad y capacidad para decidir sobre la validez interna y externa de las hiptesis as como un mayor poder de deduccin formal y,
por fin, mayor facilidad de comunicacin sin ambigedad entre cientficos
Papers 72 001-260
8/9/04
13:43
Pgina 170
Carlos Lozares
debido al lenguaje formal. Han sido y seguirn siendo utilizados a pesar de los
vituperios recibidos por algunas corrientes metodolgicas de sociologa, ya que
han procurado resultados eficaces e interesantes para el progreso de la sociologa, sobre todo los llamados modelos matemtico-metodolgicos, ms prestos para su validacin que los modelos matemticos formalizados de teoras
axiomticas. Pero los modelos matemticos cuentan tambin con limitaciones
importantes por su grado de simplificacin y rigidez (Taber y Timpone, 1996).
Eso no es bice para que puedan vislumbrarse, como sucede de hecho, otros
modelos matemticos ms flexibles a partir de otros tipos de lgebras diferentes de la lineal.
Como he afirmado, los modelos matemticos consisten en un conjunto
de expresiones algebraicas y/o estadsticas que son representaciones abstractas de los procesos sociales estudiados. El funcionamiento del modelo matemtico es el siguiente. En un primer paso, se calculan los parmetros de las
ecuaciones del modelo, estimacin que se lleva a cabo a partir de los datos
observados por medio de procedimientos estadsticos. A partir de dichas ecuaciones, se generan predicciones de los componentes o variables endgenas del
sistema de ecuaciones que se validan por tests de ajuste, comparando dichas
predicciones esperadas con los valores observados.
El modelo de simulacin se expresa en el lenguaje de un programa de ordenador y la generacin de valores esperados bajo dicho modelo se realiza ejecutando el programa. Se evala la adecuacin de modelo comparando dichos
valores esperados con los observados por tests de evaluacin que acostumbran
a incorporarse al mismo programa de simulacin.
Expresado as, parece que ambos modelos son similares; adems, ambos
pueden ser usados para fines de exploracin, descripcin, explicacin o prediccin, enfatizando en cada caso uno u otro de los objetivos. Pero hay diferencias notables entre los modelos matemticos y los de simulacin. Las representaciones de los procesos que conforman los modelos de simulacin
acostumbran a ser ms similares a los procesos del mundo real. Los modelos
matemticos son representaciones abstractas, pues estn mediadas, primero,
por las variables que son, de por s, un nivel inicial importante de abstraccin
matemtico-conceptual y, segundo, por las correlaciones, asociaciones o distancias algebraico-estadsticas que son, a su vez, abstracciones de segundo nivel
sobre la relacin y las pautas de comportamientos de la realidad. Raramente
el modelo matemtico tiene una similitud descriptiva con los mecanismos que
subyacen a las relaciones que se dan en el mundo real social (Gilbert y Troitzsch,
1998).
Podemos adems encontrar razones por las que la simulacin puede ser
ms apropiada para la representacin de los hechos (o teoras) que los modelos del lenguaje natural e, incluso, matemticos y, por tanto, ms eficaces e
informativos:
a) Como se acaba de afirmar, los lenguajes de programacin por simulacin
suelen ser ms expresivos, prximos y cercanos a la realidad que represen-
Papers 72 001-260
8/9/04
13:43
Pgina 171
b)
c)
d)
e)
f)
Papers 72 001-260
8/9/04
13:43
Pgina 172
Carlos Lozares
Papers 72 001-260
8/9/04
13:43
Pgina 173
Papers 72 001-260
8/9/04
13:43
Pgina 174
Carlos Lozares
Papers 72 001-260
8/9/04
13:43
Pgina 175
tria del software; las dos primeras generaciones de sistemas expertos no tuvieron una dimensin industrial como ha tenido en los noventa (Fox, 1996)3.
El conocimiento experto de los SE ha de ser tal que la informacin se almacene y se recupere fcilmente, represente completamente el fenmeno del
campo especializado y que dicha informacin pueda ser manipulada de manera significativa, vlida y sustantiva. Es lo que se llama la representacin del
problema y constituye la cuestin central de la IA (Dereck, 1996). Los SE
utilizan diversos procedimientos para representar el conocimiento:
1) Los sistemas de reglas procedurales o sistemas de produccin basados en el conocimiento o lgica proposicional (no, y, o, si, entonces). En ellos el proceso de
conocimiento se representa por una serie de reglas de produccin, por ejemplo: enunciados reglas del tipo si x entonces y. Es decir, cuando se cumplen ciertas condiciones antecedentes se desencadena una regla que llena
un consecuente que es verdadero. Las reglas estn depositadas en el conocimiento base (Benfer, Brent y Furbee, 1991).
2) Los sistemas basados en la lgica de predicados (cuantificadores existenciales o
particularizados y cuantificadores universales o generalizados que cuantifican
variables). En ellos el conocimiento se representa en la forma de aseveraciones, por ejemplo, la relacin R(a, b) afirma que a tiene alguna relacin
con b, por ejemplo, R(Juan, socilogo) afirma que Juan es socilogo. Los elementos pueden ser constantes o variables4.
3) Los sistemas basados en marcos son estructuras de datos que describen situaciones estereotipadas5.
4) Las redes semnticas son sentencias que se generalizan en redes asociativas que
pueden incluir relaciones causales entre las variables. Carley (1988) usa
mapas reticulares para que los programas SE codifiquen datos textuales
como redes semnticas6.
3. En 1994 se haban censado ya 2.500 SE: negocios, manufactura, medicina, ingeniera, ciencias aplicadas, militar, espacio, transporte, educacin, transacciones bancarias, control de
trfico, problemas de horarios, programas, planificacin, optimizacin de objetivos, diagnstico mdico, agentes secretos (Brent, 1996).
4. Los sistemas lgicos como PROLOG usan un mtodo de inferencia que es una estrategia para
determinar si un hecho particular es vlido segn el conocimiento base. La lgica predicativa fue usada por Brent, Glazier y otros (1989) en la primera versin de un programa
creado para razonar sobre y segn Goffman.
5. Cada marco consiste en diversos trozos, slots, que representan un tipo especfico de informacin. Los marcos, frames, se han usado para representar el conocimiento en programas
de comprensin del lenguaje natural y en sociologa para representar el razonamiento cualitativo de Goffman (Brent, Glazier y otros, 1989; Brent, 1996). El sistema de marcos se
basa en las propiedades asociativas del conocimiento como agrupaciones cohesivas de rasgos relacionados entre s.
6. Una red semntica define un concepto a travs de un grafo dirigido que expresa relaciones
con otros conceptos y propiedades. Las relaciones correspondientes son genricas, como
es, tiene propiedades, subconjunto de, y adems. Pueden expresar interrelaciones y distinciones semnticas complejas entre conceptos de teoras sociolgicas. Son
Papers 72 001-260
8/9/04
13:43
Pgina 176
Carlos Lozares
Papers 72 001-260
8/9/04
13:43
Pgina 177
Papers 72 001-260
8/9/04
13:43
Pgina 178
Carlos Lozares
Papers 72 001-260
8/9/04
13:43
Pgina 179
y reproduccin, a un entorno en el que solamente sobreviven los ms adaptados. Junto a las RNA me parece un modelo de simulacin de largo alcance
para la sociologa, sobre todo en procesos evolucionarios (Freeman, 1993;
Holand, 1992).
Ambos modelos de simulacin, AG y RNA, han captado la imaginacin
de numerosos cientficos sociales, sobre todo a partir de sus metforas biolgicoevolucionarias. Veamos algunas reas de inters para su aplicacin Los sistemas adaptativos complejos pueden simular agentes en su evolucin social, para
lo cual han de tener la dinmica propia de los sistemas no slo adaptativos,
sino tambin competitivos. Se trata de procesos en los que diversos agentes
tratan de adaptarse al comportamiento de otros, de tal manera que producen
propiedades globales en el sistema. Muchos trabajos sobre procesos evolucionarios se llevan a cabo por AG dirigidos por procesos de optimizacin de objetivos. Se puede simular, por ejemplo, la evolucin de las redes sociales y los cambios organizativos. Los trabajos que se han realizado sobre redes sociales con
estos modelos se han dedicado a poner de manifiesto las estructuras sociales y
organizativas subyacentes de redes, otros se han centrado en estudiar cmo las
estructuras especficas que condicionan el comportamiento de los agentes pueden hacerlos evolucionar adaptativamente: los trabajos de Carley (1991), Kaufer
y Carley (1993) se refieren a las constricciones espaciales y sociales sobre la
evolucin del aprendizaje social. Los modelos de optimizacin y clasificatorios
surgen para localizar soluciones, clasificar objetos usados, realizar particiones de
grafos, importante para las redes sociales (Breiger, Boorman y Arabie, 1975;
White, Boorman y Breiger, 1976) y para localizar particiones de equivalencia,
por ejemplo, los AG en la particin de los miembros de un grupo en cliques o
subgrupos basados en la proximidad entre individuos (Freeman, 1993; Carley,
1996).
3. La simulacin, la sociedad artificial y la sociedad real
En este ltimo apartado se repasan algunas cuestiones permanentemente importantes para la metodologa sociolgica y que inciden directamente en la simulacin social.
Es adecuada y pertinente la representacin social de los fenmenos o hechos sociales
(agentes, intereses, interaccin, estructura, etc.) implcita en los modelos de simulacin a la concepcin que de los hechos o fenmenos sociales se ha adquirido, ms
o menos consensuadamente, en sociologa?
Los modelos de simulacin social se han desarrollado originalmente a partir
de los campos de la IA, la fsica, la biologa, la evolucin Dado que el objeto y los procedimientos metodolgicos de la sociologa difieren de los de la
ciencia natural, aunque puedan estar algo ms prximos a los de la cognitiva,
el trasvase a la sociologa de modelos originados de las ciencias naturales puede
ser problemtico (Gilbert y Troitzsch, 1998). Eso no quita que la simulacin
Papers 72 001-260
8/9/04
13:43
Pgina 180
Carlos Lozares
est revelndose eficaz y prometedora en lo social, como lo son y han sido los
modelos matemticos, que tambin provenan en buena medida de las ciencias naturales.
La primera pregunta que surge es si la imagen de la accin social, de los
agentes, de la interaccin, etc. y, en general, del sistema social implcito o explcito en el modelo social que se representa por la simulacin es una representacin
pertinente, vlida y parsimoniosa. Maturana y Varela (1987) definen un comportamiento/accin como una descripcin que hace un observador (eliminara lo de como una descripcin que hace un observador) de un cambio o
modificacin que se da en un sistema con relacin a un entorno con el que
interactan. El comportamiento es, pues, algo observable, pero para calificarlo como social ser necesario que se lleve a cabo por agente(s), o tenga que ver
con otro(s) agente(s) con un determinado propsito siempre que el otro agente, objeto del comportamiento, se considere tambin con propsito. El propsito puede consistir en ejercer una influencia en el comportamiento de otro
(versin fuerte) o simplemente en tener en consideracin el comportamiento
de otro para decidir el propio (versin dbil). Segn mi entender, la condicin
para que un comportamiento sea social es que se lleve a cabo en vistas a o sea
en s (o proceda de) una interaccin, lo que supone propsito.
Es necesario que los comportamientos o acciones lleven a la autorreproduccin y al automantenimiento, definicin de autopoiesis en Maturana y
Varela (1987), para que sean sociales? En mi opinin, depende en qu sentido
se entiendan ambas. Los propsitos, y en consecuencia los resultados de la
accin, han de estar orientados a la produccin y constitucin (autoproduccin), mantenimiento o conservacin (autorreproduccin), del Nosotros y de
los Otros con los que los agentes se identifican o se distancian. Entendida as,
la autopoiesis pasa a ser condicin de lo social. El comportamiento de un sistema (agente, conjunto o estructura de agentes) es social si sus inter(acciones)
o comportamientos lo son en dicho sentido (Gershenson, 2002). Parece que si
partimos de un modelo que representa la sociedad (agentes, propsitos, interaccin, estructura, etc.) como un conjunto de agentes o grupos (individuos
o sujetos sociales) relativamente complejos que interactan entre s en un
entorno que, en parte les determina y en parte contribuyen a construir (lo que
supone tanto el reconocimiento de unas capacidades cognitivas como una dinmica y una distribucin entre ellos de sus funciones y resultados de la interaccin), algunas de las diferentes formas de simulacin que hemos recorrido
tienen caractersticas que parecen acoplarse bien a dicho modelo social y que
superan las de otros modelos posibles. En este sentido, adems de la pertinencia genrica social del modelo de simulacin social, ste goza de otras virtualidades: su adecuacin para el tratamiento de la incertidumbre, la versatilidad
y el detalle de lo social, su adaptacin a los procesos complejos, su capacidad
descriptiva, explicativa y predictiva y al control de error y a la reproduccin
de un mundo social artificial (Seror, 1994). Pero se ha de insistir en el hecho de
que los sistemas artificiales de simulacin social no son sociales en s mismos,
dado que no son autopoiticos en el sentido que he dado al trmino. S que
Papers 72 001-260
8/9/04
13:43
Pgina 181
son construcciones y mecanismos sociales, en el sentido de que su pertinencia social les viene de ser objetos, instrumentos, recursos y resultados de representaciones para la ejecucin de mundos artificiales sociales. Es decir, que se
ha de diferenciar entre la capacidad de producir lo social, que no es propio de
la simulacin, y su pertinencia social: los modelos de simulacin social son,
como todos los modelos, representaciones de comportamiento social que se
leen y se ejecutan en programas y por ordenador, ni ms ni menos. Mal servicio se hace a la simulacin si se va ms all. Por el contrario, lo que surge de
lo social son los sujetos sociales, sus interacciones, los cambios que producen
o las estabilidades que se reproducen, los grupos y las estructuras, las emergencias que surgen (Gershenson, 2002).
Validacin y sensibilidad
La validacin de la simulacin tiene varias facetas. La primera es la validez
interna, que asegura la coherencia interna entre el modelo de simulacin y la
representacin de los hechos (o de la teora) que se pretende simular. La validez de resultados es similar a la de los modelos metodolgicos tradicionales y
a la de la ciencia en general. Mide el grado de correspondencia entre los resultados simulados (esperados o predicciones) del modelo y los datos del mundo
real. Pero para ello se ha de aadir, en simulacin, la validez del proceso que
asegura la correspondencia entre los mecanismos del modelo y los procesos
que se dan en el mundo real; en esta validez se diferencia de los modelos matemticos. En simulacin no slo se requiere que los resultados esperados por
simulacin se correspondan con los reales, validez de resultados, sino que se
correspondan tambin los procesos, lo que no quiere decir que dichos procesos sean los mismos que se den en la realidad social: el diseo y funcionamiento
con lgicas y procesos evolucionarios o con reglas o mecanismos de los AG,
RNA o SE, slo producen resultados simulares a los que operan con la mente.
Una de las ventajas con relacin a la validez habitual consiste en que los sistemas
de simulacin cuentan con programas que incluyen generadores de valores
aleatorios, lo que asegura la ausencia de sesgo al comprobar su consistencia
introduciendo diferentes datos y parmetros aleatoriamente en cada ejecucin.
Una vez que se ha validado el modelo con las condiciones iniciales y los valores de los parmetros, el anlisis de sensibilidad permite conocer hasta qu
punto el modelo est afectado por los supuestos que se han hecho, es decir, si
el comportamiento es sensible a las variaciones de uno o ms parmetros
(Gilbert y Troitzsch, 1998).
Explicacin, descripcin y prediccin
No se ha de confundir la precisin descriptiva (que es lo que se atribuye a veces
a la simulacin por ordenador) ni con la explicacin terica (que es la nica
que a veces se atribuye a los modelos matemticos que formalizan teoras) ni con
la prediccin (que es la que a menudo se considera en los modelos metodol-
Papers 72 001-260
8/9/04
13:43
Pgina 182
Carlos Lozares
Papers 72 001-260
8/9/04
13:43
Pgina 183
Papers 72 001-260
8/9/04
13:43
Pgina 184
Carlos Lozares
Papers 72 001-260
8/9/04
13:43
Pgina 185
BENFER, R.A.; BRENT, E.Jr.; FURBEE, L. (1991). Expert Systems. Londres: Newbury
Park, Nueva Delhi: Sage Publications.
BENFER, R.L.; FURBEE, L. (1989). Procustres analysis of Individual Configurations:
Patterns and Axes Similarities. Journal of Quantitative Anthropology, 1 p. 65-80.
BREIGER, R.L.; BOORMAN, S.A.; ARABIE, P. (1975). An a Algorithm for Clustering
relational Data with Applications to Social Networks Analysis and Comparison
with Multidimensional Scaling. Journal of Mathematical Psychology, 12, p. 328-383.
BRENT, E.E. (1986). Knowledge-based Systems: A qualitative formalism. Qualitative
Sociology, 9, p. 256-282.
(1989). Is there a Role for Artificial Intelligence in Sociological Theorizing?. En
BLANK, G.; MCCARTNEY, J.; BRENT, E.E. (eds.). New Technology in Sociology: Practical
Applications in Research and Work. New Brunswick, NJ: Transaction, p. 129-137.
(1996). Expert System and Their Role in Computational Sociology. Sociological
Methods and Research, 25, 1, p. 31-59.
BRENT, E.E.; THOMPSON, G.A. (1999). Sociology: Modeling Social Interaction with
Autonomous Agents. Social Science Computers Review, 17, 3, p. 313-322.
BRENT, E.E.; GLAZIER, J.; JAMTGAARD, K.; WETZEL, E.; HALL, P.; DALECKI, M.; BAH, A.
(1989). Erving: A Program to Teach Sociological Reasoning form the
Dramaturgical Perspective. Teaching Sociology, 17, p. 38-48.
BRENT, E.E.; THOMPSON, G.A.; VALE, W. (2000). Sociology: A Computational
Approach to Sociological Explanations. Social Science Computers Review, 18, 2,
p. 223-235.
BROWN, C. (1995). Chaos and Catastrophe Theories. Thousand Oaks: Sage Publications.
CARLEY, K.M. (1988). Formalizing the social experts knowledge. Social Methodological
Research, 17, p. 165-232.
(1991). A theory of group stability. American Sociological Review, 56, p. 331-354.
(1992). Organizational Learning and Personnel Turnover. Organization Science, 3,
p. 20-46.
(1996). Artificial Intelligence Within Sociology. Sociological Methods &
Research, 25, p. 3-30.
CARLEY, K.M.; NEWELL, A. (1994). The Nature of Social Agent. Journal of
Mathematical Sociology, 19, p. 221-262.
CASTI, J.L. (1999). The Computer as a Laboratory. Toward a theory of complex,
adaptative system. Complexity, 4, 5, p. 12-14.
CASTILLO, E.; GUTIRREZ, J.M.; HADI, A.S. (1997). Expert Systems and Probabilistic
Network Models. Berln: Springer.
CROON, M.A.; VAN DE VIJVER, J.R. (1994). Introduction. En CROON, M.A.; VAN DE
VIJVER, J.R. (ed.). Viability of Mathematical Models in the Social and Behavioral
Sciences. Lisse Berwyn PA: Swets & Zeitlinger B.V., p. 13-29.
DERECK, P. (1996). Representation of Knowledge. En BODEN, M.A. Artificial
Intelligence. San Diego: Academic Press, cap. 3.
DIPRETE, T.A.; FORRISTAL, J.D. (1994). Multilevel Models: Methods and Substances.
Annual Review of Sociology, 20, p. 331-357.
DORAN, J.; GILBERT, N. (1994). Simulating societies: an introduction. En GILBERT, N.;
DORAN, J. Simulating societies. The computer simulation of social phenomena Londres:
UCL Press University College London, cap. 1, p. 1-18.
ELMAN, J.L.; BATES, E.A.; JOHNSON, M.H.; KARMILOFF-SMITH, A.; PARISI, D.;
PLUNKETT, K. (1998). Rethinking Innateness. Cambridge, Londres: A Bradford
Book The MIT Press.
Papers 72 001-260
8/9/04
13:43
Pgina 186
Carlos Lozares
Papers 72 001-260
8/9/04
13:43
Pgina 187
Papers 72 001-260
8/9/04
13:43
Pgina 188
Carlos Lozares